学位论文 > 优秀研究生学位论文题录展示

带噪混叠语音信号盲分离方法研究

作　者: 王杏
导　师: 魏杰
学　校: 北京交通大学
专　业: 电路与系统
关键词: 盲源分离 带噪混叠语音 快速独立分量分析 谱减法 牛顿下降法
分类号: TN912.3
类　型: 硕士论文
年　份: 2014年
下　载: 55次
引　用: 0次
阅　读: 论文下载
 

内容摘要


语音是人类传播信息和交流的重要媒介,人们可以在多个讲话者的环境中区分和获取自己感兴趣的语音信号,这是人体内部语音理解机理特有的一种能力。如何通过机器从混合的语音信号中分离出各个源信号,成为语音信号处理领域的一个重要问题。盲源分离(Blind Source Separation,BSS)是混叠语音分离的主要方法之一。盲源分离是指在源信号及其混合方式均未知的情况下,仅根据观测到的若干混合信号恢复源信号的过程。目前的盲源分离基本上都是在无噪环境中进行的,但是实际环境中,语音信号不可避免的会受到各种噪声的影响,因此研究带噪混叠语音分离方法具有重要的理论价值和实际意义。本文对带噪混叠语音信号进行研究,结合盲源分离技术,提出了一种有效的解决带噪混叠语音盲分离的方法。首先消除带噪混叠语音信号中的噪声,提高信号的信噪比,然后再将去噪处理后混叠语音信号进行多个说话人的语音分离；主要在去噪部分和语音分离部分对算法进行改进,论文的主要工作包括：第一,在带噪混叠语音信号的噪声消除方面,提出了一种基于改进噪声估计和幅度补偿的改进的谱减法,该方法在有效去除噪声的同时能极大限度的避免源信号受到损伤,为后续进行的混叠语音信号分离工作奠定基础,可以在很大程度上避免由于源信号受到损伤而影响分离效果。第二,在多个说话人的语音分离方面,提出了结合牛顿下降法和优化快速独立分量分析算法(M-FastICA)的改进算法,解决基于负熵的FastICA算法对随机初始分离矩阵敏感并存在局部最大值的问题,算法在保证分离效果的同时减小了对初始值的敏感度、降低了算法的计算迭代次数；同时根据语音信号的分布特性优化选取分离算法中的非线性函数,以提高算法的精度。最后,可以对分离信号进行再消噪处理,从而进一步提升分离语音信号的质量。仿真实验表明,论文所提算法具有很好的分离效果。从相似系数矩阵和最小均方误差两个指标来看,论文所提算法与原始的FastICA算法相比有着更加出色的分离性能,算法迭代次数也下降了60%,降低了算法的复杂度。

全文目录


致谢  5-6
中文摘要  6-7
ABSTRACT  7-11
1 引言  11-18
  1.1 概述  11-15
    1.1.1 盲源分离的研究背景及意义  11-12
    1.1.2 研究现状及发展趋势  12-14
    1.1.3 带噪混叠语音信号盲分离  14-15
  1.2 国内外盲信号分离的应用  15-16
  1.3 论文主要研究内容及结构安排  16-18
2 盲源分离的基础理论与数学基础  18-30
  2.1 盲源分离  18-20
    2.1.1 盲源分离的数学模型  18
    2.1.2 熵与负熵  18-19
    2.1.3 峭度  19
    2.1.4 盲源分离的约束条件和不确定性  19-20
  2.2 独立分量分析  20-22
    2.2.1 独立分量分析的基本原理  20-21
    2.2.2 预处理  21-22
  2.3 ICA的目标函数及优化方法  22-26
    2.3.1 独立性原则  22-23
    2.3.2 独立分量分析的目标函数  23-25
    2.3.3 独立分量分析的优化方法  25-26
  2.4 ICA的评价指标  26-28
    2.4.1 相似系数  27
    2.4.2 性能指数  27
    2.4.3 均方误差  27-28
    2.4.4 SDR参数  28
    2.4.5 信噪比  28
  2.5 带噪信号盲分离问题  28-29
  2.6 本章小结  29-30
3 谱减法去噪  30-46
  3.1 带噪混叠语音盲分离模型  30-32
    3.1.1 语音和噪声的特点  30-31
    3.1.2 带噪混叠语音模型  31-32
  3.2 语音增强与盲源分离  32-34
    3.2.1 经典的语音增强算法  32-33
    3.2.2 语音增强与盲源分离的关系  33-34
  3.3 谱减法及其改进算法  34-39
    3.3.1 噪声估计  36-38
    3.3.2 幅度补偿  38-39
  3.4 实验结果及分析  39-45
    3.4.1 改进谱减法的实验结果及分析  39-43
    3.4.2 基于改进谱减法的带噪混叠语音信号盲分离实验结果  43-45
  3.5 本章小结  45-46
4 带噪混叠语音盲分离  46-62
  4.1 FastICA算法  46-49
    4.1.1 基于负熵的FastICA算法  47-48
    4.1.2 独立分量的提取方法  48-49
  4.2 非线性函数的选取  49-51
  4.3 改进的基于负熵的FastICA算法  51-53
    4.3.1 牛顿下降法  51
    4.3.2 优化FastICA算法(M-FastICA)  51-53
  4.4 实验结果及分析  53-61
    4.4.1 改进FastICA算法的仿真结果及分析  53-56
    4.4.2 带噪混叠语音盲分离的实验结果及分析  56-61
  4.5 小结  61-62
5 结论与展望  62-64
参考文献  64-68
作者简历  68-70
学位论文数据集  70

相似论文

  1. 基于小波变换的语音信号去噪及其DSP算法实现,TN912.3
  2. 通信信号的盲源分离算法研究,TN911.7
  3. 弱稀疏信号欠定盲分离技术的研究,TN911.7
  4. 分频段语音盲分离方法研究,TN912.3
  5. 基于循环统计量的无线电监测信号的分离研究,TN911.7
  6. 卷积语音盲分离的SOPC实现,TN912.3
  7. 基于盲源分离技术的混凝土梁非线性振动分析,TN911.6
  8. 有源降噪耳机算法研究,TN911.7
  9. 低信噪比下的语音增强方法研究,TN912.35
  10. 基于射线声学的海底参数反演研究,P733.2
  11. 移动机器人听觉导航系统中语音分离技术研究,TN912.3
  12. 基于子带分解的分数傅里叶变换语音增强算法研究,TN912.35
  13. 基于变分贝叶斯独立分量分析的机械故障诊断方法研究,TH165.3
  14. 盲源分离的极大似然估计算法研究与应用,TN911.7
  15. 基于独立分量分析的舱音记录器非话语背景声信号盲分离,V241.4
  16. 盲源分离中独立源个数估计方法的研究,TN911.7
  17. 基于视觉的输电线路除冰机器人障碍识别方法,TP242.2
  18. 转子故障信号的量化特征提取方法研究,TN911.6
  19. 一类卷积模型描述的语音信号盲分离研究,TN912.3
  20. 复合材料风机叶片疲劳损伤监测研究,TM315
  21. 通信信号盲源分离的高效算法研究,TN911.7

中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 电声技术和语音信号处理 > 语音信号处理
© 2012 www.xueweilunwen.com